赢合科技-最新凯时注册

在2017年11月16日开幕的“2017’第二届动力电池应用国际峰会暨第三届中国电池行业智能制造研讨会”上，赢合销售副总阮丹琳作主题演讲，就智能电池工厂及未来发展趋势进行了深入的探讨。

以下为阮丹琳演讲内容

大家好！

我将从三个方面和大家分享我的观点，分别是：智能工厂的概念、智能产线的未来发展，以及赢合对建设智能电池工厂的思考和实践。

何谓智能工厂

今天的锂电池产业正快速往智能化方向发展，建设智能工厂成为推进智能制造的核心环节。

什么是智能工厂？指的是工厂依托信息物理系统(cps)和信息通信技术的结

合，引入大数据技术进行分析优化管理，在计算机虚拟环境中，对整个生产过程进行仿真、评估和优化，最终实现自动化、智能化、互联化的生产制造。智能工厂具备生产设备的网络化、生产数据的可视化、生产文档无纸化、生产过程透明化、生产现场无人化等重要特征。

生产设备的网络化是指在电池生产设备生产过程中，实现与平台系统相连接，使设备单机的数据上传到平台系统，通过数据化分析，了解生产过程的设备实际使用状态；生产数据的可视化是指在应用大量传感器的前提下，使上传到平台系统的生产数据变得可视；系统在生产过程中对数据进行批处理，生产文档将实现无纸化；随着制造自动化水平的提高，生产过程将越来越透明、产品制造的各环节将一目了然；当智能工厂达到产线的自动化和智能化时，生产现场将不再需要大量的人工，未来究竟能达到什么样的无人化程度呢？让我们拭目以待。

智能产线的未来发展

当前电池制造行业面临以下不可忽视的挑战：一是电池制造行业结合了流程制造与离散制造，计划难于管控，工艺流程复杂，在制周期长，造成交货计划难于管控；二是电池制造行业属于精密制造行业，对过程要求严格，工艺标准要求非常高；三是电池组装的生产自动化程度高，制程中一旦出现问题，必须及时发现并解决。四是产品召回策略，要求产品具备完整的追溯功能。

 针对上述挑战，我们在设备制造过程中，通过跨系统及跨工厂的沟通，使订单在交付以及生产的时候得到有效的信息处理；通过降低在制品，减少达到时间，减少不良品，以减少浪费；通过降低人员差异性，降低制造过程差异性，自动过程防呆的措施，以确保产品质量的提升；通过完整的产品追溯系统，可清晰的知道产品从电极材料的投入，到电池产出过程中整个生产流程的实时状态。  

工信部2016年发布《智能制造生产2016专项行动实施方案》，要求未来2-3年要提升的五个数据是：运营成本降低20%，生产效率提升20%，产品不良率减低10%，能源利用率提高10%，产品研制周期缩短20%。其中前四点与设备息息相关。作为设备生产企业，在效率方面，提升设备单机效率是我们提升整体效率的第一步；在良率方面，我们通过在线的传感器，增加生产监测点和提升检测水平，有效降低产品的不良率。总之，不断提升自动化和智能化，是锂电设备未来发展方向，也是我们赢合努力的方向。

动力电池智能工厂模型

我们通过驱动系统、人机界面、工业通信等手段，完成了对智能工厂大脑的提升。通过各种传感器、射频技术、条码技术等先进科技的使用，使智能工厂就

像长了眼睛一样，可以清楚看到整个制造过程每一个环节的情况；另一方面，我们还通过自动加工设备和越来越多的机器人，提升了所有单机设备零部件加工的精度；这几年我们不断应用agv（自动导引运输车），整个物流系统也正在越来越智能化。  

我们再来看一下锂电工厂的商业目标和设备实现手段。锂电工厂在商业上有四个诉求，一是降低成本，避免来料浪费；二是提高综合的设备效率，降低设备平均时间，提升产品品质；三是优化制造过程，改善贯穿整个产品生命周期的制造过程；四是提高服务品质，及时响应客户需求, 反向追踪产品制造过程，及时响应分析品质投诉。

我们的生产设备如何响应以上诉求？主要有以下三个方面。

一是做好问题检测，对问题尽早报警并作预防性措施，实现闭环控制, 从问题发生,停机, 分析, 解决, 恢复机器, 关闭问题进行全程闭环控制，并通知维修人员。

二是分析问题背后的原因。通过使用统计过程控制，甚至高级分析工具（例如机器学习, 数据挖掘, 神经网络等）进行问题的识别和分析, 将一些隐藏的问题可视化，并引导作业员或者维护工程师一步步快速解决问题。同时这样还减少了失效分析工程师的数量。

三是预防与预测。设备可以根据长时间段的历史数据，建立问题演化过程模型, 通过监控问题特征来识别当前问题的状态处在演化过程模型的位置, 以此推断将要发生的事情，比如预测机器手臂零部件的剩余生命周期，又比如对模具、切刀等，可通过集成数据的提取并且分析，及早判断有没有发生变形。

以上解决方法的背后，其实就是一套智能制造系统。智能制造系统能够学习人的经验, 分析解决问题, 并能避免问题继续发生，通常有这样一个闭环的步骤：问题发生，建立分析模型、解决问题，然后系统获取经验，并根据经验改进模型，避免问题的再次发生。

智能制造系统闭环

在这个过程中，机器学习是智能制造系统非常关键的一个环节。机器学习最早源于通用电器，它可以直接改善生产流程，使生产效率整体提升20%；机器学习可以优化工程和财务，使这两个不相关的部门产生紧密的协作；机器学习还可以优化工厂以及需求方面的分析，使产品的工作流、价值链的决策更高效和科学。同时机器学习也优化了供应链，使购买者和供应商能够更有效地进行协作，提高预测的准确度，减少库存。

我们的生产设备加入了机器学习之后，还有很重要的一个意义是oee（全局设备效率）的提升，这也是锂电池工厂最为关注和重视的。oee是有关时间稼动率、性能稼动率、良品率的一个综合指标，我们协助客户实现全状态流程监控，让我们的客户向世界级工厂，oee85%这个指标靠拢。

我们再谈谈设备对于隐藏问题的检测。大体包括以下流程：数据采集、信号处理、特征获取、聚类/分类、可视化、执行。比如在辊压机上，如果我们需要去了解辊压机生产过程状态，我们可以设定每5分钟去采集一次数据，获取速度、压力、温度、张力等变化情况，以更好地了解设备的状况，提前对设备可能的故

障进行预警，避免设备故障。

上面说的大多是“点”，我们回到“面”上看，所有的单机设备的信息，最后将汇集到整个工厂联网的系统里，进入大数据的通用平台。大数据通用平台的信息一方面来自于传感器的导入，另一方面自于车间里工作人员的人工信息，再加上仪器仪表的监控，如此整个工厂就形成了一个完整的大数据平台。

赢合助力—建设智能电池工厂

智能工厂不是一场突然而至的革命，也不是一蹴而就的革新。赢合将不断研发和优化新技术，并应用到自己的产品里。从自动化到信息化，再到智能化，是智能工厂的发展逻辑。下一步，我们将建立智慧工程模型，为智能电池工厂的建设提供最大助力。为此我们一直在努力，比如我们最近推出的一款数码卷绕机，采用了多种创新技术和经过验证的功能组件，多项技术取得重大突破，在恒线速度、覆盖、张力控制、超薄贴胶等方面，都树立了行业的新基准；我们设备的恒线速度达max.600mm/s，在极片长950mm的条件下，效率方面是15ppm，对齐度是±0.3mm，cpk≥2.7，低张力控制是隔膜min 80g、极片min 90g、波动±7%，超薄贴胶方面做到10um。比如我们120天的整线交钥匙工程，为客户有效缩短调试和爬坡周期，解决设备间衔接难题，提升设备生产的效率和良率，简化维护保养服务，并有利于后续的设备技术升级。

整线模型

未来，赢合将更好地帮助客户完成信息化、自动化、智能化、无人化、隧道化的建设，帮助客户打造真正意义的智慧工厂！